Big Data Analytics

Inlezen data

Voor meer achtergrond over de data lees hier.

Opschonen data

Een aantal codes moeten naar NA (=not available) worden veranderd. Dit is de standaard code in R voor ontbrekende waarden.

Visualiseren data

We kunnen kijken naar de verdelingen en kruisgrafieken bouwen.

hist(myDF$agea, col = "tomato", xlab = "Leeftijd")

plot(myDF$agea, myDF$netustm, col = "#0099e6")

boxplot(myDF$ppltrst~myDF$cntry, col = "violet")

grpByGndr <- myDF %>% filter(!is.na(gndr)) %>% group_by(gndr)
gndrSummy <- summarize(grpByGndr, count = n(), netusage = mean(netustm, na.rm = TRUE))
gndrSummy$gndr <- recode_factor(gndrSummy$gndr, `1` = "m", `2` = "f")
barplot(gndrSummy$netusage, names.arg = gndrSummy$gndr, col = "#00cc88")

Om wat meer controle te krijgen over de opmaak van de grafieken kun je de library ggplot toepassen.

p <- ggplot(myDF) +
  geom_boxplot(aes(x = cntry, y = ppltrst), fill = "violet")
p

Met plotly kun je eenvoudig interactie toevoegen.

ggplotly(p , width = 800)

Removed 117 rows containing non-finite values (stat_boxplot).